Теория и расчет оптико-электронных приборов - Якушенков Ю.Г.
ISBN 5-88439-035-1
Скачать (прямая ссылка):
Согласованная фильтрация. Применение согласованных фильтров (см. §11.2) эффективно для выделения сигналов, наблюдаемых на фоне помех. При обработке дискретизированных изображений с
337 Ю.Г. Якушенков. Теория и расчет оптико-электронных приборов
помощью двумерных мозаичных анализаторов используются цифровые согласованные фильтры, коэффициенты «пропускания» которых можно описать двумерной дискретной функцией h(k, I). Обычно эти коэффициенты представляют в двоичном коде, т. е. они являются степенями основания 2, что удобно для цифровой обработки информации. Пропущенные через такие фильтры сигналы определяются как
k=(K-1)/2 I=(L-I)/2
ип(Х'У)= Z Zun(x-k,y-l)h(k,l),
k=-(K-l)j2 l=-(L-l)/2
где все обозначения те же, что и в (11.28).
В работе [37] приведены результаты сравнения различных алгоритмов, проведенного при моделировании процесса подавления наземного фона, наблюдаемого из космоса, и при наличии в угловом поле ОЭП двух слоев движущихся облаков. Критерием для сравнения служила степень подавления среднего квадратического значения шумового сигнала, создаваемого фоном, а также значение отношения сигнал/шум, определяемое для некоторого гипотетического движущегося объекта. Наибольшую эффективность имело двустороннее пространственное дифференцирование, в большинстве случаев применяемое одновременно с пороговым ограничением и пиковым детектированием. Однако и при использовании простого пространственного дифференцирования выделение движущегося объекта на фоне гораздо более эффективно, чем при использовании временного дифференцирования.
На второй стадии решения задачи по селекции движущегося объекта иногда можно использовать априорную информацию о скорости его движения. Для этого нужно найти скорость движения объекта, обнаруженного на фоне помех с помощью одного из описанных выше алгоритмов, и сравнить ее с заранее известным значением. Первым этапом такого решения может быть определение траектории движении объекта (выделение трека изображения), вторым — слежение за этим движением, а затем и сопоставление получаемой информации с априорной в целях принятия решения о наличии движущегося объекта в анализируемом поле.
Траекторию можно найти следующим путем. Если сигнал ип(х, у) в точке с координатами (х, у) в п-й момент времени (в п-м кадре) не равен нулю, а при следующей временной выборке, т.е. в (п+1)-м кадре, отличный от нуля сигнал ип+1 наблюдается в точке (x+k, у+1), то отрезок, соединяющий эти две точки, с определенной вероятностью принимается за отрезок траектории движения объекта, создающего сигналы ип и ип+1. Если в следующем (тг+2)-м кадре в области, приле-
338 Глава 11. фильтрация сигналов в оптико-электронных приборах
гающей к точке с координатами (х+ 2k, у+21), т.е. в анализирующем «окне» из KxL элементов (см. рис. 11.11, а), сигнал не равен нулю, то прямую или ломаную, соединяющую элементы поля, в которых В Tl-, (л+1)- и (тг+2)-м кадрах имелись сигналы, можно принять за траекторию движения объекта, выделенного на фоне помех или пестрого фона. Во время следующих выборок (кадров) можно заранее предсказывать положение анализирующего «окна» из KxL элементов, определяя скорость движения как отношение путей, пройденных изображением от точки (х, у) к точке (x+k, у+1) и от последней точки к точке (x+2k, у+21), к соответствующим промежуткам времени между Tl-M И (71+1)-М и (л+1)-м и (ті+2)-м кадрами.
Дальнейшее развитие этого метода предусматривает использование адаптивных фильтров, минимизирующих погрешности определения текущего значения скорости. При получении ненулевых сигналов с нескольких элементов, образующих окно KxL, можно селектировать сигнал по его амплитуде, а также по степени приближения элемента к центральному элементу окна.
Окончательное распознавание движущегося объекта ведется с использованием ряда признаков: степени приближения полученного значения скорости к априорно известной, числа проанализированных кадров, числа потерь объекта при слежении за ним и др.
Результаты моделирования всего процесса обнаружения и селекции одного или нескольких (<10) движущихся объектов на фоне помех с помощью многоэлементных анализаторов, приведенные в [37], показали, что вероятность ложных тревог (см. §11.2) при использовании описанных выше алгоритмов и методов может быть сделана очень малой (порядка IO'4... 10~6при числе кадров п=10 и 10~12...10~15 при п=20).
11.7. Медианная фильтрация
Медианная фильтрация служит для устранения импульсных шумов путем нелинейного сглаживания смеси «сигнал+шум» с сохранением краевых переходов сигнала и его локальных однородных областей. Она применяется для подавления неаддитивного негауссов-ского шума, который не коррелируется с сигналом.
При медианной фильтрации значению сигнала в какой-либо точке поля сигналов приписывается среднее из значений в небольшом окне, окружающем данную точку, т.е. среднее из значений сигнала в этой точке и соседних с ней. Например, если размер окна N=3 (просмотр поля идет трехэлементным окном) и значения выборок сигнала
